SoftwareGym: addestrare su larga scala gli agenti che usano il computer con ambienti software sintetizzati e diversificati

Abstract degli autori

Gli agenti che usano il computer (CUA) migliorano rapidamente, ma sintetizzare su larga scala ambienti software diversificati e affidabili resta difficile. Gli ambienti applicativi nativi richiedono un notevole lavoro di costruzione e integrazione: questo limita la varietà delle applicazioni e aumenta il rischio di overfitting specifico delle singole applicazioni. Gli ambienti ospitati nel browser offrono una profondità di interazione e una complessità dei flussi di lavoro limitate. Questi limiti hanno motivato lo sviluppo di SoftwareGym, una pipeline automatizzata che sintetizza ambienti software con interfaccia grafica, interfacce diversificate, funzionalità eseguibili e un comportamento verificato durante l’esecuzione. SoftwareGym genera progetti strutturalmente diversi, li realizza come applicazioni eseguibili e ricorre alla valutazione tramite interfaccia grafica e a correzioni iterative per garantirne l’affidabilità funzionale. Con SoftwareGym sintetizziamo 182 applicazioni in dodici categorie e otteniamo un tasso medio di superamento dei compiti tramite interfaccia grafica del 91,5%. Creiamo SoftwareGym-Bench, una suite di valutazione di 120 compiti che copre le stesse dodici categorie, e usiamo le traiettorie raccolte in questi ambienti per addestrare i CUA. Il modello risultante porta Pass@3 dal 41,39% al 56,97% nel benchmark OSWorld, rigorosamente fuori dominio, e ottiene il 40,0% su SoftwareGym-Bench. Questi risultati mostrano il potenziale degli ambienti software sintetizzati come fonte di supervisione scalabile e trasferibile per l’addestramento dei CUA.